Estimation of Rice Crop Height From X- and C-Band PolSAR by Metamodel-Based Optimization
Notice bibliographique
Résumé
Rice crops are important in global food economy and are monitored by precise agricultural methods, in which crop morphology in high spatial resolution becomes the point of interest. Synthetic aperture radar (SAR) technology is being used for such agricultural purposes. Using polarimetric SAR (PolSAR) data, plant morphology dependent electromagnetic scattering models can be used to approximate the backscattering behaviors of the crops. However, the inversion of such models for the morphology estimation is complex, ill-posed, and computationally expensive. Here, a metamodel-based probabilistic inversion algorithm is proposed to invert the morphology-based scattering model for the crop biophysical parameter mainly focusing on the crop height estimation. The accuracy of the proposed approach is tested with ground measured biophysical parameters on rice fields in two different bands (X and C) and several channel combinations. Results show that in C-band the combination of the HH and VV channels has the highest overall accuracy through the crop growth cycle. Finally, the proposed metamodel-based probabilistic biophysical parameter retrieval algorithm allows estimation of rice crop height using PolSAR data with high accuracy and low computation cost. This research provides a new perspective on the use of PolSAR data in modern precise agriculture studies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».